工程与工业 阅读 3 分钟ORG-F53

机器视觉检测项目清单:照明、镜头、判定与再训练

分享

机器视觉项目只有在缺陷定义、工件呈现、照明、光学、触发、图像集、标签、算法、PLC握手、剔除机构、网络安全、维护和验收作为一个受控系统运行时才成功。

简要结论

选相机前定义可观察缺陷和后果。跨产品、供应商、速度、位置、光照、污染和季节收集合格、不合格和边界样件。控制光学、曝光、触发、时序和剔除确认;分离训练、调参和盲验数据;按缺陷类别测量误放与误剔;版本化配方、模型和PLC接口;验证视觉、网络或剔除硬件故障时的安全行为。

  • 把质量语言转换为可观察、可标注、可度量的验收条件。
  • 先稳定工件呈现、照明和光学,再用软件补偿。
  • 保留图像来源、标签权威、数据拆分、配方和算法版本。
  • 测试从判定到剔除的完整链和故障模式。
稳定成像和明确缺陷定义先于算法选择。
连接工件呈现、照明、镜头、相机、判定、PLC和剔除确认的无文字视觉检测架构

稳定成像和明确缺陷定义先于算法选择。

决策指南

领域关键决定验收证据
工件与缺陷哪些特征、容差、缺陷类别和边界情况重要?批准样件、标注指南和后果矩阵
成像光学、照明、曝光和呈现能否产生稳定对比?跨速度、变化和环境的能力试验
判定阈值、模型、配方和置信规则如何给出Pass/Fail?各类别盲验、误放/误剔和重复性
机器集成触发、结果、超时、剔除、确认和旁路如何工作?PLC握手跟踪、故障测试、计数和剔除挑战

实施流程

  1. 01

    定义检测目的、缺陷分类、后果、节拍、接口、责任人和验收指标。

  2. 02

    设计工件呈现、视野、分辨率、镜头、照明、外壳、触发和校准。

  3. 03

    采集代表性受管图像与标签,分离开发和盲验数据。

  4. 04

    把结果、超时、故障、旁路和剔除确认与PLC及机器安全设计集成。

  5. 05

    执行重复性、变化、速度、故障、误判和维护测试,发布受控配方和证据。

用代表性盲验数据验收完整检测与剔除链。
从缺陷定义和受管图像到盲验、故障测试和发布的无文字流程

用代表性盲验数据验收完整检测与剔除链。

证据与验收

保存需求、样件和标签批准、图像来源、相机/镜头/照明配置、校准、数据集Hash、模型版本、配方、PLC握手、安全边界、测试、误放/误剔、缺陷、复测、备份、清洁、重验、培训和最终基线。

常见错误

  • 在定义缺陷和呈现前购买高分辨率相机。
  • 用同一批方便图像训练和验收。
  • 只报整体准确率,隐藏罕见关键误放。
  • 忽略触发时序、剔除确认、旁路和故障行为。
  • 更改配方、模型、光学或照明却不重验。

工程与安全边界

主要来源

技术陈述和产品边界已根据以下主要来源核查。 核查日期

  1. EMVA 1288 Standard for Characterization of Image Sensors and CamerasEuropean Machine Vision Association
  2. Artificial Intelligence Risk Management FrameworkNational Institute of Standards and Technology

常见问题

应先选相机吗?

不应。先定义缺陷、呈现、视野、细节、速度和环境。

多少张图像足够?

没有通用数量;真实变化、稀有缺陷、独立验收和误差置信度更重要。

PLC接口应包含什么?

触发和身份、就绪、结果、超时、故障、旁路、剔除命令和物理确认。

AutoNexit执行视觉检测吗?

不执行;它组织项目需求、文件、版本、测试和证据。

相关文章